摘要

Fred Turner 的公司于2019年12月倒闭，随后才有了那桩50亿美元的 COVID 检测生意。 他为偿还债权人，以15万美元卖掉 Curative 前身的实验室牌照；5个月后，又以2700万美元买下南加州一家持有同一牌照的实验室，资金来自一份警察和消防人员检测合同的预期收入。「时机就是一切」（“Timing is everything”）。COVID 检测总收入：3年约50亿美元；9个月内员工从7人增至7000人；单日检测人数峰值达到206,000人（ASR 在部分地方错误识别为26,000人）。
真正可交易的运营洞察是：Quest 和 LabCorp 的体系是为争取1%的效率提升打造的，而不是为实现10倍扩容。 因此，老牌公司的核心能力反而成了不适配因素。Curative 打造了 Turner 所称的「正交供应链」：从电子产品供应商采购拭子，用玻璃和塑料滤板替代磁珠，因为磁珠「基本都来自中国的两家工厂」。这在非疫情时期是糟糕的设计，但在疫情中却是能够扩张的方案。
利润率是疫情波峰的函数，Turner 直言，这套模式在两波疫情之间结构性亏损。 他说：「低谷期我们每做一项检测都在亏钱。」公司在低谷期仍维持7000名员工并承担全部固定成本，因为报销价格被刻意定得过高，以迫使市场建立足够产能。250万剂疫苗业务更糟：「我们在那上面也亏了很多钱，那是一门糟糕的生意。」之所以做，是因为合作伙伴需要，也是为了「回馈社会」；每剂都在亏损。
AI 的价值已经直接体现在损益表上。 基于 Claude 的智能体把资质认证成本从约50美元、耗时2至3个月，降到20美分、12小时；负责签约的智能体「Gwen」则把 Curative 的签约效率从每周约100份提升至每天约100份，单份成本从1500–2000美元降至70美元。Anthropic 的支出连续6或7个月每月达到上月的6倍，从每月数万美元升至数百万美元。被问到价格上涨2倍或5倍是否会改变使用量时，Turner 回答：「仍然行得通。」
后台 SaaS 正遭到攻击。 Salesforce 每年60万美元的合同已取消，2个月内由一套用 vibe coding 开发的内部 CRM 替代；一名全职 Salesforce 管理员被一名优秀工程师替代；内部理赔系统也取代了现成平台；今年整体 SaaS 支出削减约80%。公司用一页内部幻灯片追踪续约日期，以及「谁负责告诉他们我们不续约」。留下来的主要是基础设施：Sentry，以及因集成锁定而保留的 Slack。
针对4家现有保险支付方的竞争论点是政治问题，而非技术问题。 「如果你建立了一家拥有10万人的公司，而要实现这项利润率改善就必须裁掉5万人，那么某个人的势力范围就会大幅缩小。所以他们会用10年慢慢做。」与此同时，Curative 的员工将从650人降至约400人。Turner 看好 AI 驱动的盈利增长，尤其是在保险等没有其他增长杠杆的行业：85%的 MLR 下限把利润封顶在15%，提升行政效率就能在不损害产品的情况下增加盈利。
有两条值得记录的前瞻判断：Anthropic 3年后「可能达到10万亿美元」；模型支出将达到开发者总薪酬的2–5倍。 这相比 Benioff 提到的当前3.8%是数量级跃升。Turner 认为，未来可能出现一个尚不存在的岗位：「智能体主管」。例外数量会随10倍吞吐量同步增长；如果未来有更贵的模型，每百万 tokens 收费100美元，也许不会把它用于核心工作流，但可以让它充当主管。

精读

1. wind-down 先于 COVID 扩张

2019年末，一项战略交易终结了后来成为 Shield 的公司：它与一家大型上市诊断公司签署了条款清单，历经3周文件往来，又进入第二轮文件准备，最终「对方 CEO 认为这会与其核心产品形成过度竞争」，亲手叫停了交易。此前对方已经告诉所有投资者自己拿到了领投，结果公司只剩3周现金。
Harry 的问题换来了这一段最精彩的回答：如果那轮融资成功，他还会走到今天吗？「不会。不会，因为我不认为 COVID 爆发时我们还会如此彻底地转向 COVID。」
故事中最关键的细节是：2019年12月，在公司清算过程中，他把花了2年艰苦取得的实验室牌照卖给一家圣迭戈公司，价格只有15万美元，用来偿还债权人。5个月后，他又花2700万美元买下南加州一家公司的同一牌照。「时机就是一切。」
他从失败中得出的教训并不煽情：每周工作7天最终归零，是「世界上最糟糕的事」，但「第二次创业容易得多」——第一次裁员、面试流程、人才管线，以及所有那些第一次很容易搞砸的事情，都会变得熟练。

2. 从牛到脓毒症再到 COVID：同一技术带来的3个 TAM 教训

主线始终是 DNA 检测，而寻找市场的规则是先看需求：「如果你想把 DNA 检测做得更好，那你要找的就是人们更在乎这件事的市场。」牛基因组学公司 TL Biolabs 就是这么开始的：他曾对一位农场主说不，对方却把样本寄来，「前面还附着一张支票」。
A 轮融资的问题在于算术；Turner 说，那家生物基金在种子轮时根本没有算 TAM：美国约有1亿头牛，每次检测收费15–20美元，即使每头牛每年检测一次，市场总额也只有15亿美元——「不足以支撑一轮 A 轮融资」。他对那笔165万美元种子轮融资的判断是：「我不认为他们算过 TAM。」
脓毒症是下一次 TAM 升级，而 Turner 对临床风险的表述中，最关键的是这个数字：真正杀死你的不是细菌，而是自身失控的免疫级联反应；「每延误治疗1小时，死亡率大约上升12%」。

3. 「如果没人使用，更好的检测也没有意义」

Curative 最初的方向仍然是脓毒症，只是切入点不同。Turner 对失败案例的判断是：Roche 可能投入了几亿美元，Siemens 可能投入了1亿美元；这些检测在学术医疗中心有效，却在更大规模的社区医院试验中失败。问题不是科学失效，而是周六凌晨2点、人员不足的急诊室里，没人足够早地怀疑脓毒症，也就不会下单检测。
因此他们的方案是打造一个「医院里的小型医院」，以固定费用把脓毒症患者从急诊室接管出来——「无论发生什么，责任都在我们」——核心是让医生能够大规模遵循流程。
最早预示局势变化的是一项被搁置的试点。他们在威斯康星州合作的一位热情临床医生突然沉默，随后由助理告知，所有事情都暂停3个月。「那是我第一次意识到，糟了，这可能会变成一件大事。」
Justin Mateen 是 Curative 的第一位出资人，以300万美元估值投资了12.5万美元；据 Turner 说，「他甚至不知道这是什么」。

4. 老牌公司的核心能力反而成了不适配因素

被问到自己看到了什么、而大型实验室没看到什么时，Turner 说，Quest 和 LabCorp 是「极致高效的机器」，目标是在每个流程环节争取1%的利润率，但「如果你要求它们把产能提高10倍，那恰恰与它们的设计方向完全相反」。它们没有这样的思维方式，而供应链随后也崩了。
所以他们选择「从零开始，把那一切都扔掉」——打造「正交供应链」。Harry 立刻指出这听起来像咨询黑话：「像一个专门做创新的 McKinsey 顾问。」Turner 也爽快承认，这确实是「一个漂亮的高级词……从销售角度很有帮助」。
这套方案的实际含义是：所有人都去抢同样的耗材，并不会凭空增加一项检测，「只会让我们所有人争来争去」。于是他们从电子测试供应商采购拭子并进行灭菌，再用滤板替代磁珠——「基本就是玻璃和塑料」——因为磁珠「基本都来自中国的两家工厂」。Turner 明确表示，这套做法只适用于疫情环境。
Curative 拿下了佛罗里达州养老院检测合同：所有养老院的每名员工，每周一次，持续3个月，合同金额「达到数亿美元」。其他竞标者都说不。「所有人都说，‘不行，这太疯狂了……这是不可能的。’我们投了标……然后交付了。」

5. 一门波峰之间亏损、却创造50亿美元收入的生意

增长始于 Laura Deming 开车载着一车 PCR 设备前往洛杉矶，并在 Twitter 上发文称公司有产能；洛杉矶副市长「滑进了她的私信」。由于市政府在交付后才付款，他们每天开票，并「每天早上派人去市政厅取支票」——次日结算，而不是30天结算——因为这笔现金要用来购买扩张所需的物资。
以这种速度招聘，意味着求职者在停车场沿街保持社交距离排队，「安排一个人拿着剪贴板」，每人进行5分钟面试。员工9个月内从7人增至7000人；3年收入约50亿美元；公司很可能是仅次于 LabCorp 的最大检测企业。
投资者应该记住的是利润结构：波峰期，Dodger Stadium 检测点每天7点至19点、每周7天运行7条通道，每天检测约1万人，利润非常可观；低谷期产能利用率只有20–30%，固定成本却完全不变。「低谷期我们每做一项检测都在亏钱。」报销价格之所以被定得很高，是为了让有人提前过度建设峰值产能，「因为如果你不把峰值产能建起来，需求一旦激增，整个系统就会彻底失灵」。
疫苗问题上，有两处需要保留原有的限定。关于有效性：「一开始并不明确」；当所有人都感染过 COVID 几次、变种病毒的影响减弱后，收益下降，但「2020年12月，很多人接种疫苗仍然有收益」。关于生意本身：接种了250万剂疫苗，「每一剂都在亏钱。接种成本高于我们获得的报酬。」为什么还要做？「回馈社会。很多合作伙伴都需要这项服务。」

6. 美国医疗体系的一切最终都回到支付方

寻找第二增长曲线时，他们先排除了自己的行业，因为 TAM 不够大：即使取代 LabCorp 和 Quest 全部业务，也不过是「约300亿美元的市值」；而「经历了 COVID 之后，我想打造一家规模大得多的公司」。
收购医院被否决不是因为缺乏野心，而是因为结构不成立：一家佛罗里达医院和一家得州医院都面临「支付方结构过于分散」的问题——一半是政府支付，其余是碎片化的保险计划，而后者「每5分钟就会变卦」。因此，从医疗服务提供方一侧改变任何事情的能力都很有限。「在美国医疗体系中，真正驱动行为的是支付方。如果你掌握资金，人们就会去资金流向的地方。」
Turner 的魔法棒方案是反对进一步整合：当交易双方规模较小时，医疗作为一个市场「其实是相当高效的」。具体而言，同样的服务、同样的资质，挂靠医院系统的初级保健医生平均收入是独立执业医生的2倍，因为医院系统会把床位和手术中心打包进谈判。4家大型支付方对上超级医疗系统，最终只会陷入僵局，所有人都在支付过高的价格。
他对此不作任何保留：如果生病，美国是不是最适合接受治疗的地方？「是，绝对是……无论是最前沿的技术、设施还是药物，美国都远远领先于世界其他地方。」

7. 「我希望自己当时知道 AI 要来了」

Turner 对2022年设计保险业务的最大遗憾是：「我们完全不知道 AI 和 LLM 这波浪潮会来……过去大约18个月里，我们做几乎所有事情的方式，现在都变成了完全不同的工作流。」他认为保险业格外容易受到冲击，因为「医疗保险所做的一切，就是搬运信息」——一张塑料卡、一套数据库，以及连接医疗服务提供方、雇主和会员的市场。
最清晰的前后对比是资质认证：核验网络医生的执照、成绩单和医疗事故记录。过去需要5至6个人、2至3个月、约50美元；现在，一名运行在 Claude 上的内部智能体可以端到端完成，只需12小时、约20美分。
其中一个极具普适性的技巧是：模型「不太擅长解析文件，但非常擅长生成代码」。面对经纪人发来的各种 PDF 和电子表格，智能体会编写一段一次性 Python 脚本，反复运行，直到文件被转换成标准格式，然后丢弃脚本。结果是：「现在你给我们什么都行，什么格式都行。哪怕是餐巾纸上的涂鸦，也无所谓。」
Harry 质疑了风投圈关于数据清洁是企业采用 AI 最大障碍的假设。Turner 的答案是否定的：「只要给模型正确的上下文，它们清理数据的能力非常强。」证据是一次从 Looker 迁移到 Snowflake 的项目：原本「可能需要大约1年和一大批工程师」，最后通过智能体循环逐个转换仪表盘完成，只用了1至2个人、几个月时间。

8. Gwen：从每周100份合同到每天100份

Curative 正在攻击的结构性护城河是：美国约有120万名医疗服务提供者、6万至7万份合同，这套网络由 Blue Cross 用了100多年、由 UnitedHealth 很可能用了50多年建立起来。「这是大型健康保险公司保持长期竞争力的最大支柱之一。」Curative 45人的签约团队去年完成了2300份合同。
Gwen 从线索开始接管整个流程：在 Google 上搜索医疗机构，读取价格透明度文件，了解其他支付方付给它们的价格；在 ZoomInfo 找到邮箱，撰写定制化外联邮件；经过多轮谈判协商费率；修改合同条款——再次通过 Python 完成，因为「这些模型编辑 Word 文档的能力很差」；最后在 DocuSign 上用 Turner 的签名完成签署。大约8周内，仅这名智能体就完成了3500份合同。
经济账有两笔：人工完成每份合同成本1500–2000美元，Gwen 只需约70美元；因此，即使 Anthropic 价格上涨2倍、甚至5倍，经济性也不会改变。Turner 先开玩笑说：「如果我说可以，我不希望我们的 Anthropic 客户经理把价格翻倍。」随后还是给出了答案：「没问题。」
反直觉的优势不是成本，而是毫不知疲倦：Gwen 每天发送约15,000封定制邮件，「很多服务提供者要收到第9封邮件才会回复。人类不可能给同一个人发9次邮件。」团队没有被裁到归零，而是转去服务大型医院系统——这类客户希望接到电话、一起吃顿饭。Harry 的贡献是给 Marc Benioff 发了53次邮件，最终很可能把他请上了节目。「我基本上就是一个 AI 模型。我失去了自己的个性。」

9. SaaS 削减、MLR 陷阱，以及老牌公司为何无法跟进

Harry 说他相信 SaaS 已死：「因为我看到了我们正在取消的合同数量。」Salesforce 从每年60万美元降到零，2个月内由一套 vibe coding 开发的内部 CRM 替代，智能体直接在其中运行。今年 SaaS 支出削减约80%，通过一页内部幻灯片管理续约日期，以及谁负责打电话通知对方不再续约。
Harry 的追问切中了要害：投入工程师工时把系统做出来，并持续维护，真的值得吗？Turner 承认维护「绝对是最具挑战的环节之一」，但他比较的是完整成本：一名全职 Salesforce 管理员，加上其他需要「多个全职员工维护」的工具；另一边则是「一名优秀工程师」，以及任何你想要的定制功能。留下来的是基础设施：Sentry，以及因长期集成而保留的 Slack——「如果他们把价格提得太高，最终替换它就会变得划算」。
大型支付方无法照搬这套模式，问题在人员管理，而不是技术。「如果你建立了一家拥有10万人的公司，而要实现这项利润率改善就必须裁掉5万人，那么某个人的势力范围就会大幅缩小。所以他们会用10年慢慢做。」
他希望被记录下来的监管悖论是：法律要求保费的85%必须用于医疗服务，因此利润被封顶在15%，「增加利润的唯一方式就是增加总支出」。Harry 追问，为什么他会鼓励人们去健身房；Turner 说，把保险公司的利润封顶是「一个很好的公关说法」，但这套逻辑是胡扯。
员工规模的判断是：目前650人，短期内会「小得多」——Harry 提到400人，Turner 说「大概就在那个水平」——5年后则会更大。护理导航员是例外，他们会随着会员数线性增长，因为「流程中某个环节必须有人参与」。

10. Subcritical：核能是披着工程外衣的监管问题

他与妻子共同创办的公司之所以存在，是因为其他人都在解决错误的问题：他们第一次约会后就互相交换了基因组 VCF 文件来检查是否匹配——「我确实携带红发基因」。「这不是科学或工程问题……我们从60年代起就能建造安全的核反应堆。」真正的障碍是监管环境，尤其是受1980年代反核运动影响的监管体系，甚至要求企业证明在百万年一遇的事件中也绝不会出问题。
设计方案很可能来自 Carlo Rubbia 在1980年代末提出的「能量放大器」。Turner 把它解释成一条只需跨出去的临界线：传统反应堆必须把临界度精确维持在1.0；Subcritical 的运行水平是0.97，因此反应总会自行熄灭，粒子加速器负责补足缺失的中子。关闭加速器，输出就停止。「即使把加速器输入功率提高10倍，它也永远不会失控。」
规模与融资方式都很明确：每座300MW设施的建设成本约为10亿美元，按基础设施项目融资，使用股权和债务，而不是风投股权。目前唯一在积极建设中的同类系统位于中国，基于一项2010年代的美国设计，而美国在 Fukushima 之后停止了相关工作。
被问到哪家公司会变得更大时，他选择了 Subcritical，同时承认 Curative 的市场机会更大：美国雇主每年在医疗上支出1.5万亿美元，而可开发的核能市场「大致处于同一数量级」。Harry 说：「它们都是收益优化。」Turner 回答：「我已经搞懂 TAM 这件事了。」

第020期 - Anthropic 对 OpenAI：使用量、利润率、Meta 算力、MSL 的未来（Tokenomics）【特别综艺·上】《从夯到拉》｜7位硅谷AI研究员的模型排名游戏